régression logistique binaire avec R

Poster un nouveau sujet   Répondre au sujet

Voir le sujet précédent Voir le sujet suivant Aller en bas

régression logistique binaire avec R

Message par choupon le Mar 20 Mai 2008 - 14:35

Bonjour,

Je souhaite effectuer une régression logistique binaire avec R. Je souhaite expliquer la variable X (présence ou absence d'un évènement) en fonction des variables A, B, C (qui sont binaires) et en fonction des variables D et T qui ont 3 modalités (faible, moyen, fort que j'ai codé en 1, 2 et 3).
J'utilise la fonction glm avec l'option family=binomial.
R me met le warning suivant :

In glm.fit(x[, jj, drop = FALSE], y, wt, offset = object$offset, ... :
des probabilités ont été ajustées numériquement à 0 ou 1

Je n'ai pas bien compris à quoi sert la fonction glm.fit, ni comment l'utiliser. Pouvez-vous m'aider ?

Je pense que le warning vient de D et T. J'ai pensé transformer mes variables D et T en variables binaires D1, D2 et T1, T2 avec le codage :
(D1,D2)=(T1,T2)=(0,0) qui correspond à 1 pour D et T
(D1,D2)=(T1,T2)=(0,1) qui correspont à 2 pour D et T
(D1,D2)=(T1,T2)=(1,0) qui correspond à 3 pour D et T
Mais après je ne sais pas trop quoi faire pour que R "comprenne" ce codage.

J'espère avoir été assez claire.
Merci.

choupon

Nombre de messages: 12
Age: 29
Date d'inscription: 16/04/2008

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: régression logistique binaire avec R

Message par badox le Dim 27 Juil 2008 - 21:14

bonjour,


avant de t'attaquer à glm.fit (qui est une fonction interne), tu peux jeter un coup d'oeil à la fonction glm.

[code]
> ?glm
# un variable binaire
y <- c(0,0,0,0,1,0,1,0,1,1,1,1,1,1)
# la variable de type character est transformée en factor
x1 <-as.factor(c(rep("a",5),rep("b",4),rep("c",5)))
# on utilise la fonction glm
glm1 <- glm(y ~ x1, family = binomial)
# on édite les résultats du glm
summary(glm1)

Call:
glm(formula = y ~ x1, family = binomial)

Deviance Residuals:
Min 1Q Median 3Q Max
-1.177e+00 -6.680e-01 7.976e-05 7.976e-05 1.794e+00

Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.386 1.118 -1.240 0.215
x1b 1.386 1.500 0.924 0.355
x1c 20.952 4809.341 0.004 0.997

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 19.121 on 13 degrees of freedom
Residual deviance: 10.549 on 11 degrees of freedom
AIC: 16.549

Number of Fisher Scoring iterations: 18
[\code]

il existe beaucoup de doc en français et en en anglais disponible sur le net sur ce sujet.

en espérant avoir aidé un peu

badox

badox

Nombre de messages: 13
Date d'inscription: 27/07/2008

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Voir le sujet précédent Voir le sujet suivant Revenir en haut


Poster un nouveau sujet   Répondre au sujet
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum